一种基于GA改进的土壤湿度反演方法

• 作者: 丁雷 常江
• 来源期刊: 现代电子技术
• 关键词: SMAP土壤湿度 降尺度反演 算法改进 数据处理 模型建立 相关性分析
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 电子与信息器件
• 页码范围: 9-13
• 页数: 5页
• 分类号: TN206-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.12.003

摘要

通过神经网络和机器学习算法,对SMAP土壤湿度数据进行降尺度反演,提高空间分辨率.采用GA改进的贝叶斯神经网络算法和随机森林算法,建立"天宫二号"8,9,10通道光谱反射率与土壤湿度数据之间的模型,进行降尺度反演.结果表明,SMAP土壤湿度数据的空间分辨率由3 km提高至100 m,采用GA改进的贝叶斯神经网络反演算法时,R2为0.788,RMSE为0.142 m3·m-3;采用GA改进的随机森林算法进行反演时,R2为0.825,RMSE为0.125 m3·m-3.对SMAP土壤湿度数据进行降尺度反演时,GA改进的随机森林方法模型精度更高,训练效果更好,算法复杂度更低,可以实现较为准确的大范围土壤湿度降尺度反演.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁雷	中国科学院上海技术物理研究所中国科学院红外探测与成像技术重点实验室	28	153	7.0	11.0
2	常江	中国科学院上海技术物理研究所中国科学院红外探测与成像技术重点实验室	36	379	12.0	19.0